GPS惯性导航技术 - Dead Reckoning

Dead Reckoning 起源于17世纪航海，指由已知的定点以罗盘及航速推算出目前所在位置的方法； “航位推测法”根据上次所测定的船的位置，再加上航船的速度，有时还加上因为海浪和大风所给航船带来的移动来测定现在航船所在的位置，误差大约几公里。如果一艘船正在大洋的中间航行的话，通过航位推测法所确定的位置所产生的错误不会对航船带来什么损害，但是当航船靠近陆地，航位推测法所带来的错误就很危险，航位推测要求必须是一位顶级专家来完成。

现在， GPS可以精确定位， 航位推测不再是航海专家的难题。 然而，GPS定位存在盲区， 盲区是环境造成的， 可视卫星数量少于4颗， 定位将失效， 当你进入大楼， GPS不再有定位功能；特别是车载环境， 多径效应较严重， 即使不进入隧道， 遮挡物及车速都是造成定位失效的原因。

新技术Dead Reckoning采用加速度惯性陀螺及增强卡尔曼滤波算法（EKF）或线性神经网络算法， 盲区问题已经得到很好的解决， 即使在大楼或隧道深处或深山老林， GPS依然能准确定位。

加速度惯性陀螺采集实时及历史加速度信息， 惯性导航基于一个简单的准则， 即加速度在时间上的积分确定位移， 纵横位移确定方向。 初看来对GPS定位信息进行简单修正就OK了，其实不然， 环境和速度位置等是动态变化的， 必须对各种误差进行动态修正， 于是乎引入EKF， EKF建立动态观测方程对误差进行实时修正， Dead Reckoning的EKF叠加在GPS本身的EKF之上， 称为联合卡尔曼滤波； 如果用神经网络， 状态方程可以得以简化。

EKF观测方程可以简单表达为：Z = HX + V ， X为状态变量， H为观测函数， V为观测噪声， Z为定位输出， 只要设计合适的状态更新策略， 可以实现精确估计。 动态的含义是， GPS信号质量好和差时， 或根本就没有信号时， 滤波系数会根据状态方程动态调整。 神经网络的好处在于引入误差学习机制， 启动即进入学习过程， 一段时间后学习好了， 系统将越来越精确。

笔者的方案是采用心动阵列实现EKF矩阵方程的动态求解， 流水线体系能使状态更新瞬间完成， 实现高精度盲区导航。

基础知识:

Gyro（陀螺仪），英文全称叫 Gyroscope 。

Gyroscope + Odometer Pulse 以扩展 GPS 定位能力的方法称为 Dead Reckoning。

GPS with Dead Reckoning （GPS/DR）表示GPS芯片已集成航位推测

已有 GPS 晶片厂商将 Dead Reckoning 设计在 GPS 晶片中，并表示 Dead Reckoning 将成为未来 GPS 的标准配备